تم تنفيذ هذا المشروع باستخدام تقنيات تعلم الآلة بهدف بناء نموذج تصنيفي للتنبؤ بحالة الرحلات الجوية (متأخرة أو في موعدها) اعتمادًا على بيانات تشغيلية وتاريخية.
يشمل العمل تحليل بيانات الرحلات مثل معلومات شركات الطيران، مسارات الرحلات، الأوقات الزمنية، المسافة، وتأخير الإقلاع والوصول، بهدف فهم العوامل المؤثرة على تأخير الرحلات.
تمت معالجة البيانات وتنظيفها وتحويلها إلى شكل مناسب للتدريب، ثم تجربة عدة خوارزميات تعلم آلي مثل Decision Tree وRandom Forest وGradient Boosting وXGBoost وCatBoost وغيرها، بهدف الوصول إلى أفضل أداء ممكن.
تم تقييم النماذج باستخدام مقاييس مثل الدقة (Accuracy) ودرجة F1 والدقة المتوازنة، مع مقارنة أداء النماذج المختلفة لاختيار النموذج الأفضل من حيث الأداء والاستقرار.
يهدف هذا المشروع إلى تحسين إدارة عمليات الطيران وتقليل تأثير التأخيرات من خلال دعم اتخاذ القرار بناءً على البيانات.
